2016 Fiscal Year Annual Research Report
動脈硬化診断支援システムの実用化最終段階に向けた実証研究
| Project/Area Number |
16H02875
|
|---|
| Research Institution | Yamaguchi University |
|---|
Principal Investigator |
内野 英治 山口大学, 創成科学研究科, 教授 (30168710)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
末竹 規哲 山口大学, 創成科学研究科, 教授 (80334051)
廣 高史 日本大学, 医学部, 准教授 (10294638)
江口 正徳 一般財団法人ファジィシステム研究所, 研究部, 主任研究員 (60613594)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 心筋梗塞 / 動脈硬化診断 / 血管内超音波法 / プラーク組織性状判別 / ソフトコンピューティング / 学習 |
|---|
| Outline of Annual Research Achievements |
心筋梗塞はプラークと呼ばれる冠動脈内の蓄積物が破綻することにより引き起こされる．プラークの破綻を予測するためには，プラークの組織性状（組織成分）を正確に同定する必要がある．申請者らは，血管内超音波信号の知的解析により，プラークの組織性状を判別しその構造を表示する動脈硬化診断支援システム（プロトタイプ・システム）を開発し，従来手法に対する優位性を確立した．本研究では，実用化システムを目指し，本システムの有効性を実データで実証する．平成28年度では，以下のことを行った．
１．各種組織性状判別アルゴリズムの精緻化と統合化によるスーパー判別法の開発： いくつかの観点に基づく判別結果をセカンド・オピニオン，サード・オピニオンとして同時に提示し，医師がプラークを多面的に診断できるようにすることは非常に重要である．申請者らの開発した３つの観点に基づく判別アルゴリズム（HkNN法，スパース・コーディング法，カオス・フラクタル法）の判別結果をAda Boost理論を用いて統合化し，更に精度の高いスーパー判別法の開発を行った．
２．新たな見地からの新規組織性状判別アルゴリズムの開発： 今注目を浴びているディープ・ラーニング（深層学習）を本研究に取り込み組織性状判別を行った結果，その有効性が確認された．
３．プラーク領域の完全自動抽出： プラークの組織性状を3Dで表示するためには，１本の血管に付き数千枚ものBモード画像を処理する必要がある．そのため，プラーク領域を完全に自動で抽出するアルゴリズムが必要であり，そのアルゴリズムの開発を行った．
４．動脈硬化診断支援システムの総合評価： 上記で開発した動脈硬化診断支援システムの総合評価を行った．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
Ada Boost理論を用いて既開発の判別アルゴリズムを統合化し，さらに精度の高い判別結果が得られた．また，ディープ・ラーニング（深層学習）を本研究に取り込み，有効な判別結果を得た．
|
| Strategy for Future Research Activity |
１．臨床データの収集，標本の作製および解析： 検体を用いた剖検（解剖）データはなかなか集まらないため，平成29年度以降においても引き続き，研究分担者である日本大学医学部の廣の協力を得てデータの収集，および標本の作製に努める．
２．各種組織性状判別アルゴリズムの精緻化と統合化： 平成28年度に引き続き，収集した多くのデータに各種組織性状判別アルゴリズム（HkNN法，スパース・コーディング法，カオス・フラクタル法）を適用し，その精緻化・統合化に努める．
３．組織性状判別アルゴリズムの並列化と高速化： 実用化のためには，処理速度は非常に重要なポイントである．3D表示のためには，数千枚もの血管断面画像を手術室のベッドサイドで瞬時に処理する必要がある．そのため，データ処理の並列化と高速化は必須である．最終的には，リアルタイム処理（患者のベッドサイドでの10秒以内の判別結果の表示）を目指す．
４．新たな見地からの新規組織性状判別アルゴリズムの開発： 今までは組織からの反射信号であるRF信号の静的な特徴のみで組織の性状を判別してきた．ここでは新たに RF信号のダイナミックな特徴に注目し，その信号を発生させるダイナミクスを申請者らが現在開発中のmnSOM(モジュラー・ネットワーク型自己組織化マップ)により捉え，そのダイナミクスの違いで対象組織を判別する．mnSOMは信号のダイナミクスの違いを非常によく捉えることができることを確認している．更に，今注目を浴びているディープ・ラーニング（深層学習）を本研究に取り込む．既に，その有効性は確認しており，今年度はさらにその研究を推し進める．
|
-
-
-
[Journal Article] Development of Human-Like Advanced Coronary Plaques in Low-Density Lipoprotein Receptor Knockout Pigs and Justification for Statin Treatment Before Formation of Atherosclerotic Plaques2016
Author(s)
Y. Li, D. Fuchimoto, M. Sudo, H. Haruta, Q.F. Lin, T. Takayama, S. Morita, T. Nochi, S. Suzuki, S. Sembon, M. Nakai, M. Kojima, M. Iwamoto, M. Hashimoto, S. Yoda, S. Kunimoto, T. Hiro, T. Matsumoto, M. Mitsumata, M. Sugitani, S. Saito, A. Hirayama, A. Onishi
-
Journal Title
Journal of American Heart Association
Volume: Vol.5
Pages: e002779
DOI
Peer Reviewed
-
-
-
-
-
-
-
-
